Modèle de données

Error message

  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).
  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).
  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).
  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).
  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).
  • Warning: Invalid argument supplied for foreach() in views_join->build_join() (line 1548 of /var/www/www.finclusionlabs.org/htdocs/sites/all/modules/contrib/views/includes/handlers.inc).

Données sur l’offre
Type d’institution misc/message-SIZE-info.png
Nom de la compagnie misc/message-SIZE-info.png
Nom de la filiale misc/message-SIZE-info.png
Nombre d’emplacements. misc/message-SIZE-info.png
Nom de la source misc/message-SIZE-info.png
Nombre de comptes d’épargne misc/message-SIZE-info.png
Montant total de l’épargne misc/message-SIZE-info.png
Nombre de comptes de prêt misc/message-SIZE-info.png
Montant total des prêts misc/message-SIZE-info.png
Nombre de comptes de dépôt misc/message-SIZE-info.png
Montant total des dépôts misc/message-SIZE-info.png
Description de la source misc/message-SIZE-info.png
Niveau géographique 1 misc/message-SIZE-info.png
Niveau géographique 2 misc/message-SIZE-info.png
Niveau géographique 3 misc/message-SIZE-info.png
Données sur la demande
Population misc/message-SIZE-info.png
Population rurale misc/message-SIZE-info.png
Population urbaine misc/message-SIZE-info.png
Population masculine misc/message-SIZE-info.png
Population féminine misc/message-SIZE-info.png
Population adulte misc/message-SIZE-info.png
Alphabétisation des adultes masculins misc/message-SIZE-info.png
L’alphabétisation des adultes féminins misc/message-SIZE-info.png
Population adulte alphabétisée misc/message-SIZE-info.png
Population de jeunes alphabétisés misc/message-SIZE-info.png
Population analphabète misc/message-SIZE-info.png
Population en chômage misc/message-SIZE-info.png
Nombre de ménages misc/message-SIZE-info.png
Nom de la source misc/message-SIZE-info.png
Utilisation des services de crédit misc/message-SIZE-info.png
Utilisation des assurances misc/message-SIZE-info.png
Utilisation des services d’argent mobile misc/message-SIZE-info.png
Niveau géographique 1 misc/message-SIZE-info.png
Niveau géographique 2 misc/message-SIZE-info.png
Niveau géographique 3 misc/message-SIZE-info.png

Collecte de données

Défi:
  • Normes des rapports non universellement acceptées.
  • Données fragmentées à travers de multiples sources dans divers formats.
  • La majorité des sources ne dispose pas de données numériques ou en ligne disponibles pour une utilisation directe.
 
Approche FINclusion Lab:
  • Identification des sources fiables, avec la participation d’experts locaux de chaque pays.
  • Consolidation de tous les ensembles de données, incluant l’identification des champs et des éléments pertinents et la normalisation en fonction de tous ces éléments.

Nettoyage des données

Défi:

  • Données manquantes ou redondantes qui peuvent compromettre l’analyse : « mauvaises données en entrée, mauvais résultats en sortie ».
  • Formats de données disparates selon les sources de données, ce qui rend difficiles les comparaisons entre « les pommes et les poires ».
Approche FINclusion Lab:
  • Modèle de données standardisé, validé, et cohérent, permettant l’amélioration de la précision analytique.
  • Données prétraitées et prêtes pour l’analyse et fourniture immédiate d’analyses de génération de rapports et les données de la demande de données.

Activation géospatiale

Défi:

  • Les occasions de faire progresser l’inclusion financière ont tendance à être « localisées », rendant nécessaires des outils de cartographie de pointe pour cibler les investissements et les classer par ordre de priorité.
  • Sans outil de cartographie, les parties prenantes n’ont pas d’interface de prise de décision intuitive.

Approche FINclusion Lab:

  • Les visualisations et les tableaux de bord géospatiaux permettent une détection rapide des opportunités.

Visualisation de données

Défi:

  • Identification des interactions et dépendances entre plusieurs variables.
  • Géolocalisation rapide des tendances à partir de grands ensembles de données.

Approche FINclusion Lab:

  • Présentations des données et des analyses de façon conviviale et axée sur les parties prenantes.
  • Capacités de décomposition pour une analyse plus détaillée.

Vérification des données

Défi:

  • Établissement de la précision des résultats (même avec un processus en place de collecte de données sans changement).
  •  Maintien d’une garantie de cohérence des résultats avec d’autres sources fiables.

Approche FINclusion Lab:

  • « Vérifications de véracité » rigoureuse et continue effectuées sur toutes les données et résultats d’analyse.
Bénin
About the Data_Benin DOWNLOAD
Côte d'Ivoire
About the Data_Ivory Coast DOWNLOAD
Sénégal
About the Data_Senegal DOWNLOAD